原始资料发布于2026年9月29日。Cloudflare使用前沿模型对自家WAF开展动态测试:模型从已知攻击样例出发,根据HTTP响应建议改变编码或投递方式;确定性代码负责请求发送、目标白名单、次数限制与证据记录。模型看不到应用源码、WAF规则或内部评分。
公司报告在获授权的测试环境中记录1107次尝试,覆盖六类攻击。未被WAF阻断的请求需要人工复核,排除无效、重复或越界观察后再形成结论。一次请求绕过过滤,也不等于后端漏洞已成功利用。公司将有效发现用于完善检测,模型本身不能修改或部署防护规则。
量仔观察
这项实践展示了AI适合承担的角色:扩大输入变体和搜索路径,而不是直接决定是否存在漏洞。HTTP状态、错误文本和返回内容可能只是应用行为的一部分。判断漏洞需要确认目标状态真的发生变化,并排除测试环境、账户权限或业务逻辑造成的假象。
类似测试框架可以保持简单的权限边界。目标范围、请求数量、超时和终止条件交给程序;模型只提出允许范围内的下一步候选。返回内容应被视为不可信资料,避免测试目标通过响应文字改变代理的权限或流程。所有请求都应能够复现,方便修复团队复查。
覆盖率也应按类型解释。某一配置下的大多数样例被阻断,不能直接推出所有配置或新攻击都被阻断。不同请求位置、编码层次和后端解析器可能产生不同结果。最好用固定回归样例追踪修复,再用受控探索补充新的输入空间。
我们的总结是:AI辅助安全测试的可靠性,来自可审计的执行框架和独立验证。WAF仍应与应用补丁、权限控制和日志分析共同使用。模型让测试变得更灵活,工程团队则负责证明发现是真的、修复有效且上线没有损伤正常流量。
